올해 5월 열린 Junction X Seoul 해커톤을 동기들과 나가게 되어 AI 부문에서 무려 2등을 수상하였다!!
JunctionX Seoul 2021
🏆 WINNERS
junctionx-seoul-2021.oopy.io
첫 해커톤+ 첫 대회인만큼 너무 감격스러웠는데 일에 치이다보니 반년이 지나서 정리를,,,
우선 해커톤의 주제는 인공위성 사진을 사용한 AI프로젝트!!
데이터를 제공해주지 않아서 학습데이터의 자유도는 매우 높았고 (그만큼 주제 정하긴 어려웠지만 ㅎㅎ)
처음에는 산불감지 모델을 할까? 하다가 데이터셋을 찾지 못하여 입지추천 시스템으로 노선 변경!!
더 잘할수 있었지만, 학부 3학년들이 48시간 이내에 만든것 치고는 괜찮은것 같다는 생각..을 해도 될까요?
[목차]
1. 기술 테크
2. 딥러닝 모델
3. Proposal Algorithm
4. Demo
1. 전반적인 기술테크
U-net으로 항공사진에서 도로와 건물 segmentation +
openCV로 1.도로 인접성 2. 여유공간 3. 인구밀집도를 기준으로 입지 추천 -> Proposal Algorithm
2. 딥러닝 모델
딥러닝 모델로는 Unet을 사용했다. 이유는 학습이 미리 된 모델들이 많았기 때문에.
학습된 체크포인트가 공개되어 있고 사용하기 용이한 레포를 선택했고, FineTuning을 진행했음. [Label-Pixels]
직접 input 이미지를 넣고 추출한 결과다. 아주 깔끔하게 결과가 나오는것을 확인 할 수 있다!
3. Proposal Algorithm
입지를 추천하는 Proposal Algorithm의 흐름도는 위와 같다.
코드는 깃헙에 공개되어 있고
크게 세가지 기준으로 입지를 선정했다.
1. 여유 공간
2. 인구 밀집도
3. 도로와의 인접성
그 중 인구 밀집도(건물 밀집도)를 조금 구체적으로 설명하자면,
모든 건물의 중앙점을 구하고, 그 중앙점을 k-means clustering으로 k개의 segmentation으로 나눈다.
그렇게 해서 중앙점이 가장 많은 섹션에게 우선순위 부여.
그 외에도 opencv를 사용해 여유공간과 도로와의 거리 등을 구했다.
종합 점수로 최종 입지를 선정한 결과는 아래와 같다.
4. Demo
시간이 부족해 배포까지는 하지 못했고, 로컬에서 데모서버를 돌리면 아래와 같다.
